多語言情感分析及其應用
徐月梅
- 出版商: 清華大學
- 出版日期: 2023-09-01
- 售價: $408
- 貴賓價: 9.5 折 $388
- 語言: 簡體中文
- 頁數: 271
- 裝訂: 平裝
- ISBN: 7302639728
- ISBN-13: 9787302639725
-
相關分類:
大數據 Big-data、Text-mining
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$356機器學習導論(原書第2版)
-
$780$663 -
$774$735 -
$458BERT 基礎教程:Transformer 大模型實戰
-
$356視覺感知:深度學習如何知圖辨物
-
$356數據科學-機器學習如何數據掘金
-
$539$512 -
$403情感分析進階
-
$356數據素養:人工智能如何有據可依
-
$419$398 -
$354$336 -
$602工業大數據與知識圖譜
-
$539$512 -
$714$678 -
$980$764 -
$356人工智慧超入門叢書--知識工程:人工智慧如何學貫古今
-
$602預測模型實戰:基於R、SPSS和Stata
-
$209$199 -
$301機器學習的算法分析和實踐
-
$539$512 -
$599$569 -
$479$455 -
$828$787 -
$419$398 -
$640$627
相關主題
商品描述
情感分析研究屬於自然語言處理領域的一個重要分支。在信息全球化背景下,情感分析研究從單語言逐步擴展到多語言場景。本書分為上下兩篇,上篇為單語言情感分析,下篇為多語言情感分析,嘗試講清楚情感分析是什麽,單語言和多語言情感分析應該怎麽做,情感分析需要具備哪些理論基礎、技術基礎和模型基礎,多語言情感分析有哪些可用的語言資源,多語言情感分析未來的發展等問題。 本書能夠為多語言自然語言處理和情感分析等領域的科研人員、從業者、在讀研究生提供入門理論指導和技術參考。
目錄大綱
目錄
第1章緒論1
1.1多語言信息的研究背景1
1.2情感分析概述3
1.2.1情感分析的定義3
1.2.2情感分析的分類4
1.2.3情感分析的任務6
1.3情感分析的挑戰9
1.4參考文獻10
上篇單語語言情感分析
第2章單語情感分析任務15
2.1單語情感分析的研究背景15
2.2單語情感分析的應用場景16
2.2.1商業智能16
2.2.2推薦系統17
2.2.3互聯網輿情20
2.2.4醫療健康領域21
2.3單語情感分析的實現步驟23
2.4本章小結24
2.5參考文獻24
第3章情感分析的技術基礎——文本表示27
3.1傳統向量空間模型27
3.1.1基本概念27
3.1.2Onehot模型27
3.1.3TFIDF模型28
3.2文本主題模型29
3.2.1基本概念29
3.2.2PLSA模型30
3.2.3LDA模型33
3.2.4主題模型示例37
目錄多語言情感分析及其應用3.3詞向量分佈式表示模型38
3.3.1Word2vec模型39
3.3.2GloVe模型42
3.3.3詞向量模型示例43
3.4本章小結45
3.5參考文獻46
第4章情感分析的技術基礎——學習模型47
4.1傳統機器學習模型47
4.1.1樸素貝葉斯法47
4.1.2k最近鄰法49
4.1.3決策樹法50
4.1.4支持向量機法55
4.1.5邏輯回歸法58
4.2淺層神經網絡模型60
4.2.1捲積神經網絡模型60
4.2.2長短期記憶模型63
4.3深度預訓練神經網絡模型66
4.3.1Transformer模型66
4.3.2BERT模型73
4.3.3MultiBERT模型78
4.3.4ELECTRA模型82
4.3.5T5模型87
4.4本章小結90
4.5參考文獻91
第5章情感分析的應用93
5.1情感分析在股票預測中的應用93
5.1.1股票走勢預測研究背景93
5.1.2相關研究工作94
5.1.3基於新聞事件和情感特徵的股票預測模型95
5.1.4實驗分析100
5.1.5結論106
5.2情感分析在微博轉發規模預測中的應用107
5.2.1微博轉發規模預測研究背景107
5.2.2相關研究工作108
5.2.3基於深度融合特徵的政務微博轉發規模預測模型109
5.2.4實驗分析113
5.2.5結語120
5.3情感分析在新聞輿情傾向預測中的應用120
5.3.1新聞輿情傾向預測研究背景121
5.3.2相關研究工作122
5.3.3結合捲積神經網絡和Topic2vec的主題演變模型123
5.3.4實驗分析127
5.3.5結語133
5.4本章小結133
5.5參考文獻133
下篇多語語言情感分析
第6章多語言情感分析任務1416.1多語言情感分析的研究背景141
6.2多語言情感分析的應用場景144
6.2.1商業智能和推薦系統144
6.2.2多語言互聯網輿情146
6.2.3多語言情感資源建設146
6.3多語言情感分析的實現步驟147
6.4本章小結149
6.5參考文獻150
第7章多語言情感分析的技術基礎——跨語言文本表示152
7.1跨語言詞向量的定義152
7.2跨語言詞向量模型概述153
7.2.1有監督的跨語言詞向量模型154
7.2.2半監督的跨語言詞向量模型157
7.2.3無監督的跨語言詞向量模型160
7.3語義和情感聯合學習的跨語言詞向量模型研究163
7.3.1單語詞向量矩陣標準化165
7.3.2初始跨語言映射矩陣生成166
7.3.3先驗情感信息嵌入167
7.3.4跨語言情感詞向量映射168
7.3.5實驗分析168
7.4本章小結177
7.5參考文獻178
第8章多語言情感分析的語言資源——情感詞典構建181
8.1情感詞典構建181
8.1.1情感詞典的定義181
8.1.2情感詞典的研究意義182
8.2多語言情感詞典資源184
8.2.1情感詞典的格式184
8.2.2英文情感詞典資源185
8.2.3中文情感詞典資源186
8.2.4其他語言情感詞典資源188
8.3單語情感詞典的構建方法概述191
8.3.1基於PMI相似度的單語情感詞典構建193
8.3.2基於關系圖傳播的單語情感詞典構建195
8.3.3基於詞向量表示的單語情感詞典構建197
8.4多語情感詞典的構建方法概述198
8.4.1早期的雙語情感詞典構建198
8.4.2基於跨語言詞向量的雙語情感詞典構建199
8.5基於領域自適應的單語情感詞典構建研究200
8.5.1模型構建流程201
8.5.2情感表示學習202
8.5.3種子詞典擴充203
8.5.4情感詞典構建204
8.5.5實驗與結果分析204
8.6本章小結207
8.7參考文獻208
第9章跨語言情感分析213
9.1高、中、低資源語言213
9.1.1高、中、低資源語言的定義213
9.1.2低資源語言的研究意義214
9.2早期跨語言情感分析研究概述215
9.2.1基於機器翻譯及其改進的方法216
9.2.2基於平行語料庫的方法219
9.2.3基於雙語情感詞典的方法220
9.3結合詞向量表示的跨語言情感分析研究概述222
9.3.1基於跨語言詞向量的方法222
9.3.2基於生成對抗網絡的方法223
9.3.3基於多語言預訓練模型的方法225
9.4跨語言情感分析研究前沿探討228
9.5本章小結230
9.6參考文獻230
第10章多語言情感分析的應用案例236
10.1基於情感特徵表示的跨語言文本情感分析研究236
10.1.1模型背景236
10.1.2相關研究工作238
10.1.3基於情感感知的跨語言情感分析模型239
10.1.4實驗結果242
10.1.5結論251
10.2基於持續學習的多語言情感分析研究251
10.2.1模型背景252
10.2.2持續學習理論及相關研究253
10.2.3基於持續學習的多語言情感分析模型255
10.2.4實驗結果257
10.2.5結論260
10.3大語言模型對多語言智能研究的發展與啟示261
10.3.1大語言模型的發展脈絡261
10.3.2大語言模型的多語言探索264
10.3.3大語言模型的多語言局限和改進265
10.3.4大語言模型的多語言應用場景266
10.3.5結論267
10.4本章小結267
10.5參考文獻268